文献

J-GLOBAL ID：202002216846922158   整理番号：20A2551449

ビデオにおける弱教師付きオブジェクト検出のための動き文脈ネットワーク【JST・京大機械翻訳】

Motion Context Network for Weakly Supervised Object Detection in Videos

著者 (4件)： Jin Ruibing (School of Electrical and Electronic Engineering, Nanyang Technological University (NTU), Singapore) ,  Lin Guosheng (School of Computer Science and Engineering, Nanyang Technological University (NTU), Singapore) ,  Wen Changyun (School of Electrical and Electronic Engineering, Nanyang Technological University (NTU), Singapore) ,  Wang Jianliang (Hangzhou Innovation Institute of Beihang University, Hangzhou, China)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 27  ページ： 1864-1868  発行年： 2020年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 弱い教師つき物体検出において,ほとんどの既存のアプローチを画像のために提案する。ボックスレベルアノテーションなしで,これらの方法は正確にオブジェクトを位置決めできない。物体は,その周囲の物体または背景から異なる動きを示すので,検出精度を改善するために運動情報を利用した。しかし,物体の運動パターンは複雑である。物体の異なる部分は異なる運動パターンを持ち,物体局在化のための運動情報の探索に挑戦をもたらす。動き情報を直接使用すると,局所化性能が低下する。これらの問題を克服するために,このレターにおける動き文脈ネットワーク(MC-Net)を提案した。著者らの方法は,移動領域に関する近傍運動相関情報を利用することによって,運動コンテキスト特性を作り出す。次に,これらの動きコンテキスト特徴を画像情報に組み込み,検出精度を改善した。さらに,現在のフレームにおける特徴表現を強化するために,フレーム全体に特徴を凝集する時間集約モジュールを提案した。画像Net VID上で実験を行い,MC-Netが画像ベースベースライン法の性能を著しく改善することを示した(37.4%mAP v.s.29.8%mAP)。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  *録画装置
準シソーラス用語： 画像情報 ,  *物体検出 ,  検出精度 ,  特徴表現 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ビデオ ,  教師 ,  オブジェクト検出 ,  動き ,  文脈